AIGC全稱(chēng)為AI-Generated Content，指基于預訓練大模型、生成式對抗網(wǎng)絡(luò )（GAN）等人工智能技術(shù)，通過(guò)已有數據尋找規律，并通過(guò)釋放泛化能力生成相關(guān)技術(shù)的內容。據量子位智庫預測，到2030年，AIGC市場(chǎng)規模將達到1.15萬(wàn)億元規模，2025和2027年預計成為兩次規模爆發(fā)點(diǎn)，年復合增長(cháng)率有質(zhì)變性提升。
報告中，量子位智庫對AIGC市場(chǎng)玩家進(jìn)行了全面梳理，按照基礎設施層、模型層和應用層分為三大類(lèi)，其中又對應用層從基于底層邏輯、基于模態(tài)和基于玩家身份等三個(gè)維度進(jìn)行分類(lèi)。
創(chuàng )新奇智分布于A(yíng)IGC應用層的多個(gè)板塊，主要體現在：基于底層邏輯的應用分類(lèi) —用于提供解決方案，基于模態(tài)的應用分類(lèi) —圖像生成、視頻生成、合成數據，基于玩家身份的分類(lèi) – AI公司。
量子位智庫認為，AI公司可與自己的AI后臺進(jìn)行聯(lián)動(dòng)，提供具有延展功能的AIGC服務(wù)。在應用層，由于B端應用對行業(yè)差異化和專(zhuān)業(yè)化的要求更高，該領(lǐng)域的AIGC玩家更容易建立自身的業(yè)務(wù)和客戶(hù)壁壘。
創(chuàng )新奇智依托于自研MMOC人工智能技術(shù)平臺（ManuVision機器視覺(jué)智能平臺、MatrixVision邊緣視頻智能平臺、Orion分布式機器學(xué)習平臺和Cloud云平臺），在預訓練模型、數據生成等AIGC領(lǐng)域持續投入研發(fā)，逐步研發(fā)面向制造業(yè)的工業(yè)預訓練大模型，增強面向制造業(yè)的產(chǎn)品和解決方案的技術(shù)競爭力，助力制造業(yè)企業(yè)數字化、智能化升級。
創(chuàng )新奇智結合在A(yíng)IGC算法模型上的積累，研發(fā)面向制造領(lǐng)域的AIGC產(chǎn)品：AInnoGC。AInnoGC使用模塊化設計，可實(shí)現制造領(lǐng)域的多場(chǎng)景降本增效，比如制造領(lǐng)域的樣本生成、產(chǎn)線(xiàn)布局、智能問(wèn)答等不同場(chǎng)景下的任務(wù)需求。以硅片缺陷檢測為例，以往基于“對抗生成網(wǎng)絡(luò )(GAN)”生成的圖片是對既有圖像的模仿，創(chuàng )新性不足，且生成的檢測模型不能跨產(chǎn)線(xiàn)使用。創(chuàng )新奇智運用AInnoGC可模擬不同產(chǎn)線(xiàn)的工藝差異，生成大量高質(zhì)量樣本，更精準、更低成本、更高效地對不同產(chǎn)線(xiàn)硅片缺陷進(jìn)行檢測。
據了解，創(chuàng )新奇智應用小樣本學(xué)習技術(shù),結合AI樣本數據生成功能，僅需少量場(chǎng)景數據輔助描述，便可生成大量針對該場(chǎng)景的樣本數據用于模型訓練，從而大大降低工業(yè)領(lǐng)域AI模型的生產(chǎn)應用門(mén)檻和模型生產(chǎn)成本。另外，創(chuàng )新奇智研發(fā)的雙階段引導的擴散模型可以自動(dòng)生成缺陷樣本圖片，用于工業(yè)視覺(jué)模型的訓練，可以縮短模型上線(xiàn)周期，提升模型檢測性能。創(chuàng )新奇智在前期已經(jīng)積累了豐富的垂類(lèi)場(chǎng)景模型，后續還將不斷研發(fā)，持續推進(jìn)跨垂類(lèi)的模型技術(shù)突破，助力智能制造高質(zhì)量發(fā)展。
